Cuadro de mandos
Enlace al repositorio en GitHub

1 Introducción

1.1 Estado actual

1.2 Motivación

1.3 Objetivos

2 Aportaciones del trabajo

2.1 Principales aportaciones

2.2 Alineamiento con los objetivos de desarrollo sostenible

Grado de relación del proyecto con los objetivos de desarrollo sostenible (ODS)
ODS No procede Bajo Medio Alto
1 Fin de la Pobreza X
2 Hambre cero X
3 Salud y Bienestar X
4 Educación de calidad X
5 Igualdad de género X
6 Agua limpia y saneamiento X
7 Energía Asequible y no contaminante X
8 Trabajo decente y crecimiento económico X
9 Industria, Innovación e Infraestructuras X
10 Reducción de las desigualdades X
11 Ciudades y comunidades sostenibles X
12 Producción y consumo sostenibles X
13 Acción por el clima X
14 Vida submarina X
15 Vida de ecosistemas terrestres X
16 Paz, justicia e instituciones sólidas X
17 Alianzas para lograr objetivos X

3 Desarrollo

3.1 Herramientas empleadas

3.2 Metodología

Utilizaremos la metodología de desarrollo CRISP-DM (Cross Industry Standard Process for Data Mining) que es un marco ampliamente utilizado para proyectos de Ciencias de Datos. En la siguiente figura se presenta un diagrama con las diferentes fases de esta metodología que a continuación describimos con más detalle:

Diagrama metodología de desarrollo CRISP-DM

  • Comprensión del negocio. Se plantean los objetivos del proyecto y la búsqueda de información y datos.
  • Comprensión de los datos. Se analiza la estructura y organización de los datos obtenidos. Se identifican posible problemas como datos faltantes, outliers o inconsistencias.
  • Preparación de los datos. Se realiza limpieza, transformación, combinación y selección/creación de variables relevantes para el análisis
  • Modelado. Selección y aplicación de los modelos adecuados para analizar los datos
  • Evaluación. Evaluar si el modelo responde a las preguntas de investigación, comparación con otros métodos
  • Despliegue. Comunicación del trabajo en una memoria y diseño y elaboración de un cuadro de mandos para presentar los resultados de forma eficaz y atractiva.

Es importante observar que esta metodología es iterativa, es decir que los resultados obtenidos en algunas de las fases puede afectar al desarrollo de fases anteriores.

A continuación se describirá en detalle como se han abordado cada una de las fases del desarrollo del proyecto siguiendo esta metodología.

3.3 Comprensión del negocio

Para la búsqueda del dataset elegido finalmente para la realización de este proyecto, hemos llevado a cabo una serie de pasos.

En primer lugar, a través del documento facilitado por el profesor, exploré y contrasté los posibles datasets que aparecían en la tabla dinámica que ofrecía aquellos datasets que cumplían los requisitos relacionados con la temporalidad de las observaciones. Tras consultar con chatgpt, centré mi busqueda en aquellos datasets que tenían un máximo de ≈1 mill. y mínimo 10 mil observaciones. Aquellos datasets que tenían un título que me llamara la atención, se los pasaba al chatgpt para que me diera una breve descripción del mismo. Cuando ya había seleccionado los suficientes, le pedí que hiciera un top con aquellos que considerara más adecuados para el proyecto a realizar, según el temario que se impartiría en la asignatura y que está registrado en el libro de la asignatura que previamente le pasé a este chatbot.

Tras haber escrito un dataset previamente en la wiki para registrarlo, sin haber prestado mucha atención a todo las condiciones que este debía cumplir, terminé eligiendo uno que cumplía todos los requisitos expuestos en el documento proporcionado por el profesor. Una vez verificado esto, pasé al siguiente paso de comprensión de los datos elegidos.

3.4 Comprensión de los datos

3.4.1 Información general del dataset

  • code: nama_10r_2lp10
  • title: Compensation per employee and hours worked per employed person by NUTS 2 region and by industry
  • last.update.of.data: 28.04.2025
  • last.table.structure.change: 28.04.2025
  • data.start: 1995
  • data.end: 2023
  • values: 432.832

3.4.2 Explicación de variables categóricas

Los datos de nuestro dataset están organizados de forma tidy. Los variables categóricas que existen, su significado, y sus valores posibles son:

  • freq: Frecuencia con la que se toman las observaciones. Tiene un único valor “A”, que corresponde a datos anuales.

  • nace_r2: Rama de actividad económica. Se divide según la clasificación NACE Rev. 2. Los códigos pueden corresponder a una sección concreta (ej. A, C, F), a un rango de secciones consecutivas indicado con guion (ej. B-E, G-I), o a agrupaciones específicas de varias secciones señaladas con guion bajo (ej. M_N).
    Valores posibles:

    • TOTAL: Total - todas las actividades NACE
    • O-U: Administración pública y defensa; actividades de computación obligatoria; educación; salud humana y servicios sociales; artes, entretenimiento y otros servicios
    • O-Q: Administración pública, defensa, educación, actividades sanitarias y de servicios sociales
    • B-E: Industria (excepto construcción)
    • K-N: Actividades financieras y de seguros; inmobiliarias; profesionales, científicas y técnicas; servicios administrativos
    • F: Construcción
    • M_N: Actividades profesionales, científicas y técnicas; actividades administrativas y servicios auxiliares
    • A: Agricultura, silvicultura y pesca
    • C: Industria manufacturera
    • G-J: Comercio mayorista y minorista; transporte; alojamiento; información y comunicación
    • R-U: Artes, entretenimiento y recreación; otros servicios
    • G-I: Comercio mayorista y minorista; transporte; alojamiento y servicios de comida
    • J: Información y comunicaciones
    • K: Actividades financieras y de seguros
    • L: Actividades inmobiliarias

  • na_item: Tipo de indicador económico relacionado con los costes laborales y las horas trabajadas.

    • D1_SAL_HW: Coste laboral por hora trabajada, que incluye sueldos, salarios y cotizaciones sociales pagadas por el empleador (euros por hora).
    • D1_SAL_PER: Coste laboral medio por persona empleada, considerando tanto la remuneración directa como las contribuciones sociales a cargo de la empresa (euros por empleado).
    • HW_EMP: Horas efectivamente trabajadas por persona empleada en promedio, es decir, el total de horas dedicadas al trabajo dividido entre el número de empleados (horas por empleado).

  • unit: Unidad de medida de los valores registrados para cada indicador.

    • EUR: Euro
    • NAC: Moneda nacional
    • PC_EU27_2020_MEUR_CP: Porcentaje del total de la UE27 (desde 2020) en precios corrientes
    • HW: Horas trabajadas
    • PCH_PRE: Variación porcentual respecto al periodo anterior

  • geo: Regiones para las que existen observaciones.

    • NUTS 0: 29 países
    • NUTS 1: 95 regiones
    • NUTS 2: 249 comunidades
    • EU27_2020: promedio de la Unión Europea compuesto por los 27 países miembros vigentes desde el año 2020
    • OTHERS: 20 códigos que no corresponden a regiones reales

  • TIME_PERIOD: Fechas de las observaciones. Comprende datos desde 1995 hasta 2023, con observaciones anuales. La cantidad de registros por año varía, siendo especialmente elevada entre 2000 y 2021, destacando los años 2016 y 2020 como los que concentran más observaciones. Cabe destacar que en 2023 el número de registros disminuye significativamente respecto a años anteriores.

## COLUMNA: freq 
##      freq N.Observ full_name
## [1,] A    432832   Annual
## COLUMNA: nace_r2 
##       nace_r2 N.Observ full_name                                 
##  [1,] TOTAL   72411    Total - all NACE activities               
##  [2,] O-U     26963    Public administration and defence; compu..
##  [3,] O-Q     26756    Public administration, defence, educatio..
##  [4,] B-E     25989    Industry (except construction)            
##  [5,] K-N     25785    Financial and insurance activities; real..
##  [6,] F       25713    Construction                              
##  [7,] M_N     25584    Professional, scientific and technical a..
##  [8,] A       25569    Agriculture, forestry and fishing         
##  [9,] C       25569    Manufacturing                             
## [10,] G-J     25569    Wholesale and retail trade; transport; a..
## [11,] R-U     25452    Arts, entertainment and recreation; othe..
## [12,] G-I     25368    Wholesale and retail trade, transport, a..
## [13,] J       25368    Information and communication             
## [14,] K       25368    Financial and insurance activities        
## [15,] L       25368    Real estate activities
## COLUMNA: na_item 
##      na_item    N.Observ full_name                                 
## [1,] D1_SAL_HW  387510   Compensation of employees per hour worke..
## [2,] D1_SAL_PER  27607   Compensation per employee                 
## [3,] HW_EMP      17715   Hours worked per employed person
## COLUMNA: unit 
##      unit                 N.Observ full_name                                 
## [1,] EUR                  139229   Euro                                      
## [2,] NAC                  139229   National currency                         
## [3,] PC_EU27_2020_MEUR_CP 136659   Percentage of EU27 (from 2020) total (ba..
## [4,] HW                     9053   Hours worked                              
## [5,] PCH_PRE                8662   Percentage change on previous period      
## 
## CONTABILIZACIÓN Nº REGIONES NUTS A PARTIR DE LA COLUMNA geo
##      NUTS      Number of Regions
## [1,] 0          29              
## [2,] 1          95              
## [3,] 2         249              
## [4,] EU27_2020   1              
## [5,] OTHERS     20

3.4.3 Percentiles de la distribución de tamaños de las series temporales

Observamos que el tamaño de las series temporales varía entre 1 y 29 años, siendo el 90% de las series con más de 22 años.

## # A tibble: 1 × 7
##     min   p10   p25   p50   p75   p90   max
##   <int> <dbl> <dbl> <dbl> <dbl> <dbl> <int>
## 1     1    22    23    23    23    24    29

3.4.4 Distribución del nº de observaciones por regiones

Observamos que, tanto para España como para Canarias, el nº de observaciones supera el p75 de la distribución (1199 > 1159)

Percentiles de la distribución del nº de observaciones por regiones

## # A tibble: 1 × 7
##     min   p10   p25   p50   p75   p90   max
##   <int> <dbl> <dbl> <dbl> <dbl> <dbl> <int>
## 1    69  1002  1128  1149  1159  1199  1369

Nº de observaciones en España/Canarias

## # A tibble: 3 × 3
##   geo   full_name N.Observ
##   <chr> <chr>        <int>
## 1 ES    Spain         1199
## 2 ES7   Canarias      1199
## 3 ES70  Canarias      1199

3.4.5 Combinaciones existentes de las variables categóricas

El dataset presenta 50 combinaciones únicas de variables categóricas (freq, nace_r2, na_item, unit), cumpliendo el criterio mínimo de tener al menos 5 atributos combinados con un número relativamente alto de observaciones (≈8600 observ.).

## # A tibble: 50 × 7
## # Groups:   freq, nace_r2, na_item [17]
##    freq  nace_r2 na_item    unit                 N.observ init.date end.date
##    <chr> <chr>   <chr>      <chr>                   <int>     <dbl>    <dbl>
##  1 A     TOTAL   D1_SAL_PER EUR                      9299      1995     2023
##  2 A     TOTAL   D1_SAL_PER NAC                      9299      1995     2023
##  3 A     TOTAL   D1_SAL_HW  EUR                      9083      1995     2023
##  4 A     TOTAL   D1_SAL_HW  NAC                      9083      1995     2023
##  5 A     TOTAL   HW_EMP     HW                       9053      1995     2023
##  6 A     O-U     D1_SAL_HW  EUR                      9041      1995     2023
##  7 A     O-U     D1_SAL_HW  NAC                      9041      1995     2023
##  8 A     TOTAL   D1_SAL_PER PC_EU27_2020_MEUR_CP     9009      2000     2023
##  9 A     O-Q     D1_SAL_HW  EUR                      8972      1995     2023
## 10 A     O-Q     D1_SAL_HW  NAC                      8972      1995     2023
## 11 A     TOTAL   D1_SAL_HW  PC_EU27_2020_MEUR_CP     8923      2000     2023
## 12 A     O-U     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8881      2000     2023
## 13 A     O-Q     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8812      2000     2023
## 14 A     B-E     D1_SAL_HW  EUR                      8713      1995     2023
## 15 A     B-E     D1_SAL_HW  NAC                      8713      1995     2023
## 16 A     TOTAL   HW_EMP     PCH_PRE                  8662      1996     2023
## 17 A     K-N     D1_SAL_HW  EUR                      8645      1995     2023
## 18 A     K-N     D1_SAL_HW  NAC                      8645      1995     2023
## 19 A     F       D1_SAL_HW  EUR                      8621      1995     2023
## 20 A     F       D1_SAL_HW  NAC                      8621      1995     2023
## 21 A     M_N     D1_SAL_HW  EUR                      8578      1995     2023
## 22 A     M_N     D1_SAL_HW  NAC                      8578      1995     2023
## 23 A     A       D1_SAL_HW  EUR                      8573      1995     2023
## 24 A     A       D1_SAL_HW  NAC                      8573      1995     2023
## 25 A     C       D1_SAL_HW  EUR                      8573      1995     2023
## 26 A     C       D1_SAL_HW  NAC                      8573      1995     2023
## 27 A     G-J     D1_SAL_HW  EUR                      8573      1995     2023
## 28 A     G-J     D1_SAL_HW  NAC                      8573      1995     2023
## 29 A     B-E     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8563      2000     2023
## 30 A     R-U     D1_SAL_HW  EUR                      8534      1995     2023
## 31 A     R-U     D1_SAL_HW  NAC                      8534      1995     2023
## 32 A     G-I     D1_SAL_HW  EUR                      8506      1995     2023
## 33 A     G-I     D1_SAL_HW  NAC                      8506      1995     2023
## 34 A     J       D1_SAL_HW  EUR                      8506      1995     2023
## 35 A     J       D1_SAL_HW  NAC                      8506      1995     2023
## 36 A     K       D1_SAL_HW  EUR                      8506      1995     2023
## 37 A     K       D1_SAL_HW  NAC                      8506      1995     2023
## 38 A     L       D1_SAL_HW  EUR                      8506      1995     2023
## 39 A     L       D1_SAL_HW  NAC                      8506      1995     2023
## 40 A     K-N     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8495      2000     2023
## 41 A     F       D1_SAL_HW  PC_EU27_2020_MEUR_CP     8471      2000     2023
## 42 A     M_N     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8428      2000     2023
## 43 A     A       D1_SAL_HW  PC_EU27_2020_MEUR_CP     8423      2000     2023
## 44 A     C       D1_SAL_HW  PC_EU27_2020_MEUR_CP     8423      2000     2023
## 45 A     G-J     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8423      2000     2023
## 46 A     R-U     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8384      2000     2023
## 47 A     G-I     D1_SAL_HW  PC_EU27_2020_MEUR_CP     8356      2000     2023
## 48 A     J       D1_SAL_HW  PC_EU27_2020_MEUR_CP     8356      2000     2023
## 49 A     K       D1_SAL_HW  PC_EU27_2020_MEUR_CP     8356      2000     2023
## 50 A     L       D1_SAL_HW  PC_EU27_2020_MEUR_CP     8356      2000     2023

3.4.6 Poner las fechas por columnas

Observamos que los datos se mantienen constantes desde el año 2000 hasta el 2023, registrando valores más altos en periodos recientes en comparación con los antiguos.

Visualización España/Canarias (máximo 60 columnas y 1000 filas por región)

3.5 Preparación de los datos

Vamos a comenzar leyendo el dataset desde local, y haciendo una limpieza general de lo innecesario. Renombramos algunas variables, aliminamos alguna innecesaria, y a añadimos una columna con el nombre completo de las regiones a las que hace referencia geo.

Inicialmente, vamos a comparar diferentes países según los indicadores que tenemos en el dataset.

En primer lugar, analizamos los países con mayor y menor cantidad de horas trabajadas en promedio por empleado durante los últimos cinco años. Los valores representan las horas efectivas trabajadas por semana por trabajador, calculadas a partir de los datos anuales disponibles. La línea roja en cada gráfico indica el valor correspondiente a España, para situar su posición relativa frente a los demás países.

A continuación, vamos a comparar los países en base al coste laboral por hora trabajada. Esta variable, no representa lo que el trabajador cobra neto, sino lo que cuesta al empleador una hora de trabajo. En pocas palabras, es el coste total soportado por el empleador por cada hora efectivamente trabajada por sus empleados. Vamos a comprobar usando el principio de Pareto los países más relevantes en este aspecto.



Vamos a ver como ha sido la evolución de cada uno de estos países.

Compararemos ahora la remuneración por hora trabajada según el sector en los últimos 5 años. Vamos a relacionar ahora el precio por hora trabajada con los países más relevantes en este aspecto en los últimos 5 años, usando el indicador “PC_EU27_2020_MEUR_CP”, que muestra el porcentaje que representa cada país respecto al total de la Unión Europea (UE27) en precios corrientes.

Vamos a hacer lo mismo ahora para las comunidades autónomas de España, usando el indicador “EUR”, que representa el valor del precio medio por hora trabajada expresado directamente en euros.

3.6 Modelado

Comenenzaremos evaluando la la evolución de las horas trabajadas en España.

Para las futuras predicciones vamos a omitir el dato del año 2020

Vamos a ver ahora como se posiciona Canarias en esta serie temporal

Vamos a ver esta evolución comparada con la media para los países de la Unión Europea

Empezamos con ARIMA.
Vamos a predecir los próximos 5 años en España.

3.7 Evaluación

3.8 Despliegue

4 Conclusiones y trabajo futuro

4.1 Conclusiones

4.2 Trabajo futuro

Anexo. Seguimiento temporal actividades del proyecto

TOTAL HORAS TRABAJADAS EN EL PROYECTO : 15.42

DESGLOSE DETALLADO DE LAS SESIONES DE TRABAJO